事件研究课件

Ch4事件研究,1,PPT学习交流,参考文献,Fama,E.,L.Fisher,M.JensenandR.Roll(1969),Theadjustmentofstockpricestonewinformation,InternationalEconomicReview10:1-21.Brown,S.,andJ.Warner(1985),Usingdailystockreturns:Thecaseofeventstudies,JournalofFinancialEconomics14:3-31.Campbell,J.,A.LoandA.C.MacKinlay(1997),TheEconometricsofFinancialMarkets(PrincetonUniversityPress).ch4MacKinlay,A.C.,(1997),Eventstudiesineconomicsandfinance,JournalofEconomicLiterature35:13-39.,2,PPT学习交流,事件研究,事件研究的目的是检测公司事件期间公司股票的异常表现，分析事件的经济影响在股票市场方面，如何度量某一事件如：兼并和收购、盈余公告、新股发行、送股和配股等对股价的影响，需要用到事件研究的方法Dolley(1933)研究股票分割的价格效应。样本1921-1931年95个股票分割，57个股价上升、26个股价下降、12个股价无影响。1990年代前，大多数的事件研究集中于短期表现自Ritter(1991)以来，事件研究开始集中于长期股票表现在事件研究中，同时考虑报酬与风险两项因素的研究方法有Fama,Fisher,Jensen,Roll(1969)发展的累积平均误差(CAR)；BallandBrown(1968)提出的异常绩效指标(API)。,3,PPT学习交流,事件研究方法的发展,30多年来，事件研究方法基于Fama,Fisher,Jensen,andRoll(1969)。焦点仍是事件期间的平均异常报酬和累积平均异常报酬的度量。方法有2个变化相当普遍使用天甚至天内报酬，而不是月度报酬，更准确地度量异常报酬和更好地反映公告效应计算异常报酬方法和统计显著性检验更为精制，主要表现在长期事件研究上。长期事件研究方法的变化主要体现在长期资产报酬的统计特性上。同样也体现在资产定价研究上，如Fama-French3-因素模型。,4,PPT学习交流,长期事件研究方法,改善了长期事件研究方法，但仍有许多问题KothariandWarner(1997)：长期检验的推断要特别仔细Lyon,Barber,andTsai(1999):即使是最好的方法，长期异常报酬的分析仍不可靠。进一步表明长期方法缺乏可靠性(BrownandWarner,1980)，与短期事件研究形成了鲜明对照解释长期结果要相当小心主要问题是联合检验和低势问题在检验有效市场假说时，联合检验：有效市场检验和计算预期报酬的模型有效性检验,5,PPT学习交流,事件研究的类型,事件的表现影响兼并收购的公告影响盈余公告(MacKinlay,1997)支付政策(股利公告，股票回购公告)法规变化的影响CEOs的死亡家族控制公司的CEO更替影响(Prez-Gonzlez,2003)接受外部董事的影响(PerryandPeyer,2003)(IPOsandSEOs,Repurchases,Splits,Spinoffs,Proxyfights,Newlisting,Dividendsinitiationsandomissions,)检验有效市场:评价市场如何迅速反映新信息内幕交易“计量解释(Henderson,1990)事件研究仅是第一步解释反映的原因,6,PPT学习交流,事件研究结构,1.定义事件2.选择标准3.正常报酬和异常报酬的定义4.正常报酬估计5.检验过程6.实证结果7.解释与结论,7,PPT学习交流,定义事件,事件窗口重要的是：事件发生的准确时间一般，包括事件后的窗口:股市收盘后的公告信息泄漏：扩大事件窗口法规变化有效市场和内幕交易研究,MacKinlay(1997)盈余公告公告日和公告后41天的事件窗口：事件前20天和事件后20天Prez-Gonzlez,2003:家族控制成功接班公告日及公告日后事件窗口:3天:公告日及公告日后2天4天:公告日前1天和后2天7天:公告日前1天和后5天,8,PPT学习交流,样本选择,因素:数据可获性行业限制：如法规公告数据收集的成本样本特征描述注明：影响结果的偏差PG,2003:选1964年前成立的公司有利：CEO成功更替更易发生=降低了数据收集成本不利:生存偏差，不清楚其影响程度,9,PPT学习交流,度量正常报酬的模型,统计模型常数均值模型市场模型多因素模型经济模型资本资产定价模型套利定价模型,10,PPT学习交流,常数均值模型和市场模型,在常数均值模型中，事件窗口的资产报酬假定为估计窗口资产报酬的样本均值，正常报酬的模型为其中，Rit为t期资产i的实际报酬，为估计窗口资产报酬的样本均值，it为白噪声。市场模型Rmt为第t个交易日市场组合报酬，,11,PPT学习交流,事件研究方法：定义窗口,0：事件公告日T11至T2：事件窗口，长度为L2T2T1；如果考虑的事件是某一给定日期的公告，那么，T2T11，L21；T01至T1是估计窗口，长度为L1T1T0。事件后窗口：长度为L3T3T2,12,PPT学习交流,事件研究方法：异常报酬,首先定义如果事件没有发生，股票的正常报酬(normal)定义：事件窗口中第天第j种证券的异常报酬Rj：事件窗口中第天第j种证券的报酬E(Rj|X)：事件窗口中第天第j种证券的正常报酬(事件没有发生，基于信息X)关键是估计正常报酬，模型包括均值常数模型和市场模型、其他模型如：市场模型其他模型：多指数模型Rx是指数报酬，不包括股指，如行业因素。如涉及银行，包括利率指数,13,PPT学习交流,正常报酬的估计,正常报酬的估计估计模型参数，估计窗口，用120250个数据估计模型参数估计窗口与事件窗口可以有时间间隔(Prez-Gonzlez,2003)统计模型，一般假设OLS一致和有效的资产报酬非正态，利用对数报酬，对数转换接近于正态性假设,14,PPT学习交流,正常报酬模型估计和异常报酬计算,对于j证券，在估计窗口估计正常报酬模型常数模型j估计值mj事件窗口的异常报酬市场模型j、j估计值aj、bj(最小二乘法估计)j的估计方差事件窗口的异常报酬,15,PPT学习交流,统计检验：市场模型,原假设H0事件对股票报酬无影响未知，由替代为进行统计推断，需要加总异常报酬单个证券报酬的时间加总：单一事件各个证券(截面)和时间上加总：多个事件单个证券j报酬的时间加总产生了累计异常报酬CART130时，SCARj(1,2)近似N(0,1),16,PPT学习交流,统计检验：市场模型,一个事件全部影响的推断，假设不同证券异常报酬不相关，如事件窗口没有重叠，异常报酬独立(因是正态分布)对于N个事件，事件窗口中第天样本加总异常报酬SAAR：T1拒绝原假设BadnewsfirmsJ1=-6.93=拒绝原假设NonewsfirmsJ1=-0.93=不能拒绝原假设,常数均值模型:GoodnewsJ1=7.95=拒绝原假设BadnewsfirmsJ1=-4.90=拒绝原假设NonewsfirmsJ1=-0.13=不能拒绝原假设LargerstandarderrorsReturnsoflargefirmsarehighlycorrelatedwiththemarket,20,PPT学习交流,市场模型,21,PPT学习交流,常数均值模型,22,PPT学习交流,期限溢酬,23,PPT学习交流,股市,24,PPT学习交流,IPO定价偏低,新股定价偏低的国际比较和理论回顾实证结果回归分析,25,PPT学习交流,新股定价偏低的国际比较,26,PPT学习交流,新股定价偏低理论回顾,winnerscurse假说bandwagon假说承销商风险规避假说股权分散假说信号假说其他,27,PPT学习交流,winnerscurse,由Capen，ClappandCampbel(1971)首先提出的，用于说明投资于从事油和汽油租赁竞标公司的低收益问题。他们认为，在任何一种拍卖型式中，拍卖物价值是不确定的，这对所有的竞标者均一样。对拍卖物估价过高的竞标者很可能出价高于其他竞争者，从而赢得拍卖物。拍卖的赢者通常是那些对拍卖物估价过高的人。如果拍卖赢者没有认识到这种可能性，通常为拍卖物支付高于其价值的价格。除非在竞标过程中说明这种逆选择问题，否则赢得的拍卖物的收益低于正常收益或甚至是负。,28,PPT学习交流,winnerscurse假说,Rock(1986)基于不对称信息模型将winnerscurse假说应用于股票发行市场。在Rock模型中，发行公司对公司的市场价值不确定。但是，发行公司必须设定新股发行价，并依发行价发行新股。如果新股认购过度，新股必须配额供应。Rock认为在有资讯(informed)投资者和无资讯(uninformed)投资者间存在着信息不对称。由于新股在流通市场上的市场价值存在着不确定性，有资讯投资者仅认购预期流通市场中的市场价值(V)超过发行价(P)的新股，无资讯投资者则不加区别认购新股。由于无资讯投资者认购PV的新股机会多于有资讯投资者，将面临winnerscurse。为了吸引无资讯投资者，承销商不得不使新股定价偏低。Rock模型隐含着新股上市后的市场价值越不确定，新股定价偏低程度越大。,29,PPT学习交流,bandwagon假说,如果股票发行市场潜在的投资者不仅考虑其自身关于新股的信息，而且考虑其他投资者是否认购新股，这样就出现了bandwagon效应。其含义是，如果一个投资者发现无人愿认购新股，即使该投资者拥有新股信息上的优势，他也不认购；如果一个投资者发现有人愿认购新股，即使该投资者无新股信息，他也认购。为了吸引第一批少量的潜在的投资者，使bandwagon效应产生，从而吸引其他投资者认购新股，发行公司使新股定价偏低。,30,PPT学习交流,其他假说,承销商风险规避假说认为，承销商有意使新股定价偏低，是为了减少承销新股的风险和成本。也就是说，新股定价偏低是为了减少不成功承销的机会和相应的损失，以保证新股能为投资者充分认购。股权分散假说：发行公司故意使新股定价偏低，是为了造成新股的超额需求，使公司拥有大量的小股东。分散股权既可增加股票的流动性，又可防止公司被收购(BoothandChua,1996)。信号假说：AllenandFaulhaber(1989),GrinblattandHwang(1989)认为新股定价偏低程度是发行公司内在价值的一种信号。GrinblattandHwang(1989)研究认为新股的发行价和发行公司原股东保留股份的百分比是公司内在价值的信号。这两个信号反映了公司未来现金流的均值和方差，从而反映了公司的内在价值，这样，新股定价偏低程度与公司内在价值成正比。新股定价偏低程度是一种信号，因为只有那些拥有美好发展前景的公司能补偿由于新股定价偏低所带来的资本损失。Welch(1989)认为新股定价偏低是发行公司为了将来发行股票能获得高发行价。,31,PPT学习交流,实证结果（1）,表新股平均超额报酬（%）,32,PPT学习交流,实证结果（2）,33,PPT学习交流,回归分析,回归方程ARi,1=f(SDi,LIi,MCi,SIi,SRi,MRi)变量含义报酬的标准差(SD)、发行规模(LI)、新股上市后市场价值(MC)、SI、新股中签率(SR)、新股发行前股票市场状况(MR),34,PPT学习交流,实证结果,35,PPT学习交流,盈余公告的信息内容,关于盈余是否含有信息内容是由BallandBrown(1968)发起的。如果观察到股价随盈余报告的公布而调整，就反映在盈余中的信息是有用的。如果盈余公告确实有信息内容，就会引发投资者对股票未来盈余和预期报酬作出调整，对其作出迅速反应。资本市场对信息的反应不仅体现在股价上，而且，反映在交易量的增加上，这两种反映方式常常相伴而生。,36,PPT学习交流,检验方法及实证结果,关于盈余公告信息内容检验，主要是股价对公告的盈余是否有显著的变动，常采用事件研究的方法，采用累积异常报酬(CAR)。如果盈余公告含有信息内容，则在公告日后，CAR有显著的增加。如果市场对信息反映是无偏的，CAR应在公告日后保持一定的水平。BallandBrown(1968)采用市场模型，以195765年间261家NYSE上市公司为研究对象，计算公告期(第0期)前12个月和公告期后6个月的CAR，发现未预期盈余符号与公司股票的累积异常报酬存在很强的相关关系。,37,PPT学习交流,Clustering及处理,前面都假设截面的股票异常报酬不相关实际上，这不太可能，如法规修改、有些事件发生在同行业中投资组合方法:估计窗口，将证券看作是一个投资组合已经得到事件窗口加总异常报酬(SAAR)估计窗口天，残差为(等权重)投资组合残差定义估计窗口平均投资组合残差和方差注意：残差间可能存在相关性事件窗口天检验统计量：该过程给于各证券相同权重如果不同证券间残差方差不同，该过程将是不再有效假说检验将被误导利用广义最小二乘法GLS方差估计更好；考虑了等权重问题,38,PPT学习交流,回归方法,为事件研究中最简便的方法事件窗口第t天,定义虚拟变量Dt=1，如果t=，否则，Dt=1T从T0+1至T2,例如，Dt为估计窗口和事件窗口中有L个虚拟变量在市场模型或其他报酬模型中加入虚拟变量：对于事件公司i利用OLS估计，假定，E(it)=0,Var(it)=2=i=ARi第天的异常报酬用的t统计量检验事件对单个证券的影响。此时，估计参数的样本包括事件窗口,39,PPT学习交流,回归方法,回归方法易处理集群问题例如，投资组合方法事件和估计窗口中的第天,证券平均报酬利用OLS估计:能说明集群问题用p的t统计量检验事件对投资组合的影响但是,不能检验各个证券不同的反映,40,PPT学习交流,用ARs回归,基于理论给出的假设:事件影响的程度和公司特征例如，MacKinlay(1997):当盈余公告是good(no,bad)news时,事件应有正向(没有,负向)影响给定:N个样本：异常报酬或CARs公司特征X1,Xk通常的假设利用OLS估计:例如,MacKinlay(1997):定义虚拟变量Dgi=1,如果i公司的盈余公告是goodnews定义虚拟变量Dbi=1如果i公司的盈余公告是badnewsOLS估计:利用g、b的t-统计量检验各公司对事件是否有不同的反映,41,PPT学习交流,长期事件研究,所有事件研究必定涉及到下面几个问题：风险调整，异常报酬模型异常报酬加总异常报酬显著性检验的calibration这些对于长期事件研究特别重要,42,PPT学习交流,风险调整与预期报酬,长期事件研究中，适当的风险调整对于计算异常报酬特别重要。短期事件研究，风险调整引起的误差很小例如，天预期报酬为0.05%(年报酬12-13%)，即使事件公司组合估计误差为0.4，(如估计的为1.0，实际为1.4)。异常报酬估计误差每天仅为0.02%。如果事件窗口为3天，组合异常报酬估计误差为0.06%，从经济意义上是很小的风险调整的报酬度量是长期事件研究致命弱点，原因：即使风险调整报酬有很小的误差，但如果计算长期异常报酬，引起的误差非常大，故精确度量十分要紧。目前还不清楚预期报酬模型是否是对的，长期异常报酬的估计依赖于模型的选择。,43,PPT学习交流,风险调整的误差,度量长期(一年以上)表现，这种误差会造成很大的差异。由于长期来看，这种误差引起度量上的偏差很大，风险调整的误差在长期事件研究中会被加大许多事件研究中，事件紧随以前异常的表现，(公司好表现，紧随着股票分割),事件样本由特定特征的公司构成(低市值，低股价，极端的帐面市值比事件的定义基于以前不寻常的表现(如反向投资策略)。这样，准确的风险估计相当困难,44,PPT学习交流,预期报酬模型,哪种预期报酬模型最合适？仍未解决事件研究：有效市场和预期报酬模型的联合检验(Fama,1970)Fama(1998)认为，“所有预期报酬模型不能完全描述平均报酬的系统性形态”。异常报酬能准确度量由于异常性，不用CAPM。FamaandFrench(1993)3因素和Carhart(1997)4因素模型。但缺乏经济学解释，加入因素：size,B/M,momentum,但是，这些因素代表对风险的均衡补偿还是市场非有效(BravandGompers,1997)。从事件研究角度，这些不重要在度量异常报酬时，利用size,B/M,momentum,45,PPT学习交流,长期异常报酬,由Ritter(1991),andLoughranandRitter(1995)引入CAR与短期类似，只不过扩大窗口至35年买入持有报酬(BHR)t期证券i的BHRBHR异常报酬平均买入持有报酬一个问题：在T期前如果1家事件公司下市?为什么采用BHR，而不是CAR?(BarberandLyon,1997)CAR是有偏的，不表示长期投资者所获取的报酬，不现实的投资策略。CAR：平均报酬的相加，是长期报酬的有偏预测值。CAR：简单假定重新调整组合，这涉及到交易成本等。,46,PPT学习交流,长期异常报酬度量：基准,可选择的基准(Ritter,1991;ILV,1995;BL1997)等权重报酬价值加权基准投资组合(控制：规模、规模与B/M、规模与行业)匹配公司Fama-French3因素模型或Carhart4因素模型哪个基准更好利用参考的投资组合有3个偏差(BL，1997)新上市偏差发行公司报酬低(LoughranandRitter，1995),如果参考投资组合包括这些公司，其报酬也低重新调整投资组合的偏差参考投资组合周期性调整，但样本公司却没有偏度偏差长期报酬正偏，尤其是样本公司匹配公司方法则没有这些偏差BL(1997)建议使用规模和B/M的匹配公司,Barber,B.,andJ.Lyon(1997),Detectinglong-runabnormalstockreturns:Theempiricalpowerandspecificationofteststatistics,JournalofFinancialEconomics43:341-372.Ikenberry,D.,J.LakonishokandT.Vermaelen(1995),Theunderreactiontoopenmarketsharerepurchases,JournalofFinancialEconomics39:181-208.Ritter,J.R.(1991),“Thelongrunperformanceofinitialpublicofferings”,JournalofFinance46:327.,47,PPT学习交流,BHR的显著性检验,可以用t-统计量吗?为什么?(ILV(1995)需估计年度报酬的标准差，一般公司没有这么长的历史长期来看，报酬分布不稳定难以估计长期报酬的标准差，因它是复利而不是累计的偏度和集群性导致标准差的估计有偏,48,PPT学习交流,BHR的显著性检验：Bootstrapping,“Bootstrapping”是一种模拟过程，生成异常报酬的经验分布(也称经验p值方法)，能处理分布有偏问题。对于每家样本公司，在事件日，随机地选择有相同规模和B/M的非事件公司，一直到所有的样本公司为这些随机选取的公司替换计算该“pseudo”投资组合的长期异常报酬，作为BHR的一个数据点重复上述过程1000次，有1000个“pseudo”投资组合，生成异常报酬1000个数据点，这1000个数据点形成长期异常报酬的经验分布与经验分布比较样本公司异常报酬经验的p-值=比样本公司异常报酬大的“pseudo”投资组合数/1000优点：使用经验的p-值较t-统计量有更高的势，因经验p值方法在随机样本中表现更好。缺点：经验p值方法在非随机样本(以前表现不佳，或行业集群)中表现有偏,49,PPT学习交流,长期表现中的问题,Preliminary(Fama,JFE,1998)长期表现的研究相当丰富(IPOs,SEOs,mergers,repurchases,splits,spinoffs,proxyfights,newlisting,dividends,earnings)为什么有时over-reactions，有时underreactions?对平均报酬敏感(BravandGompers,1997)对基准敏感(Brav,GeczyandGompers,2000)Badmodel问题或纯粹运气(Fama,1998)BHR统计检验上的困难(Fama,1998),Brav,A.,C.GeczyandP.Gompers(2000),Istheabnormalreturnfollowingequityissuancesanomalous?JournalofFinancialEconomics56:209-249.Brav,A.,andP.Gompers(1997),Mythorreality?Thelong-rununderperformanceofinitialpublicofferings:Evidencefromventureandnonventurecapital-backedcompanies,JournalofFinance52:1791-1821.Fama,E.,(1998),Marketefficiency,long-termreturns,andbehavioralfinance,JournalofFinancialEconomics49:283-306.,50,PPT学习交流,问题：对不同方法敏感,报酬计算的方法：等权重平均(EW)、价值加权平均(VW)采用EW，仅无风险资本支持的IPOs长期表现不佳。如果采用VW，不存在这种情况小规模成长、无风险资本支持的IPOs长期表现严重不佳，这不是新发行问题，小规模成长未发行公司表现也不佳,51,PPT学习交流,问题:对基准的敏感和BadModel,对基准的敏感:股份发行后，上市公司长期报酬表现不佳，并不是由于发行股票，而是小规模成长公司存在的普遍现象。如何更好地说明小规模成长公司报酬将影响是否存在长期表现不佳的问题控制size/BM是必要的。对于SEOs，加入惯量因素是有用的。仔细控制小规模成长公司的BM效应，将能更好说明股市报酬形态。BadModel表现不佳(好)是预期报酬定式错误引起的。badmodel问题难以避免，尤其对于长期报酬更为严重由于一半事件，表现不佳，另一半却表现好，文献中发现的异常表现是纯粹运气(pureluck),52,PPT学习交流,问题：统计检验的困难,对于短期报酬(月度)，正态性假设还算可以，但是，长期报酬，由于有偏，正态性假设就有问题BHR会加大定价错误，例如，即使异常表现发生在第1年，长期事件研究，异常表现仍会继续增长BHR受截面相关性影响，统计检验量上升(Brav(2000),53,PPT学习交流,长期表现问题的一些处理方法,利用月度报酬日历时间组合如果长期为5年，对于每个日历月，收集过去5年发生事件股票的报酬。基于这些股票构成投资组合，其报酬为所有事件股票的平均(EW、VW)。投资组合报酬对Fama-French3因素或Carhart4因素回归月度报酬时间序列变动能准确反映事件股票截面相关性问题，也能处理异方差。月度异常报酬对于每个日历月，收集过去5年发生事件股票的报酬。基于这些股票构成投资组合，其报酬为所有事件股票的平均检验月度异常报酬时间序列平均是否为0,54,PPT学习交流,处理中的问题,对时期和样本选择标准敏感(RitterandWelch2002)FF模型:长期报酬的低势(LoughranandRitter(2000)如果对于要说明的公司存在着时变的错误评价，从而某些事件存在着时间上的集群，那么，公司等权重较期间等权重更好。如果小规模公司错误评价程度大，将低估价值加权的异常报酬如果基准受样本公司的影响，检验往往不会发现异常报酬,55,PPT学习交流,建议,日历时间投资组合回归，FF3因素模型拥护：统计检验好，易控制截面相关性和异方差，很少有badmodel问题反对：检测异常报酬的低势从基准投资组合中去掉样本公司(尤其是IPOs,SEOs)BHR拥护：更好地模拟长期投资者的投资反对：有偏、截面相关性、加重异常表现利用bootstrapping稳健性利用不同基准不同时期样本外检验,56,PPT学习交流,中国新股的长期表现,新股长期表现差意见分歧(divergenceofopinion)假说。Miller(1977)认为对新股最乐观的投资者是买者，如果新股价值存在相当大的不确定性，乐观投资者对新股的估价远高于悲观投资者的估价，随着时间的推移和上市公司更多信息的披露，乐观投资者和悲观投资者间的意见分歧将缩小，随后股价下跌。因此，Miller预测新股长期表现差。(2)impresario假说。Shiller(1990)认为新股市场相当狂热，投资银行使新股定价偏低是为了造成新股的超额需求，这如同摇滚音乐会筹办者(impresario)利用新闻媒介使音乐会成为“事件(event)”。Shiller认为新股定价偏低程度越大，其长期表现越差。(3)时机窗口(windowsofopportunity)假说。该假说认为，如果在某些时间，投资者对上市公司潜在增长相当乐观，大量新股发行表示发行公司利用投资者对新股狂热的时机发行新股。Ritter(1991)和LoughranandRitter(1995)认为新股长期表现差与发行公司充分利用“时机窗口”有关。,57,PPT学习交流,多元回归方法,持有新股两年报酬为被解释变量，新股发行日至上市日超额报酬即新股定价偏低程度、市场报酬、新股发行规模、以及代表股利政策的虚拟变量DPi(i=1,2,3)为解释变量，,58,PPT学习交流,Eventstudymethodologies,Chan,K.,D.Ikenberry,andI.Lee,2004,Economicsourcesofgaininstockrepurchases,JournalofFinancialandQuantitativeAnalysis39,461-479.Barber,B.,andJ.,Lyon,1997,Detectinglong-runabnormalstockreturns:Theempiricalpowerandspecificationoftest-statistics,JournalofFinancialEconomics,41,359-399.Brav,A.,C.Geczy,andP.Gompers,2000,Istheabnormalreturnfollowingequityissuancesanomalous?JournalofFinancialEconomics,56,209-249.Brown,S.J.,andJ.B.Warner,1985,Usingdailystockreturns:Thecaseofeventstudies,JournalofFinancialEconomics,14,3-31.Fama,E.,1998,Marketefficiency,long-termreturns,andbehavioralfinance,“JournalofFinancialEconomics,49,283-306.Grullon,G.,andR.Michaely,2004,Theinformationcontentofsharerepurchaseprograms,JournalofFinance,forthcomingIkenberry,D.,J.LakonishokandT.Vermaelen1995,Marketunderreactiontoopenmarketrepurchases,JournalofFinancialEconomics,39,181-208.Jegadeesh,N.,andJ.Karceski,2004,“Long-runperformanceevaluation:Correlationandheteroskedasticity-consistenttests,”workingpaperKothari,S.P.,andJ.Warner,2005,Econometricsofeventstudies,Chapter1inB.EspenEckboed.:HandbookofEmpiricalCorporateFinanceLoughran,T.,andJ.R.Ritter,2000,Uniformlyleastpowerfultestsofmarketefficiency,JournalofFinancialEconomics,55,361-389.Lyon,J.,B.Barber,andChih-lingTsai,1999,Improvedmethodsfortestsoflongrunabnormalstockreturns,JournalofFinance,54,165-201.Rajan,R.,andH.Servaes,1997,Analystfollowingofinitialpublicofferings,JournalofFinance52,507-529.Schultz,P.,2003,“Pseudomarkettimingandthelong-rununderperformanceofIPOs,”JournalofFinance58,483-517.Teoh,S.H.,I.Welch,andT.J.Wong,1998,“Earningsmanagementandthelong-runmarketperformanceofinitialpublicofferings,”JournalofFinance53,1935-1974.,59,PPT学习交流,过度反应和惯性策略,过度反应惯性策略,60,PPT学习交流,过度反应,股票市场的过度反应(overreaction)是指股票投资组合最初3年或5年表现为最好(winners)，往往在随后的3年或5年表现为最差(losers)，或者最初3年或5年表现为最差，往往在随后的3年或5年表现为最好。这表明股票市场投资过度反应(过度乐观或过度悲观)而导致股价过度偏离其内在价值，这种过度反应随后被修正。,61,PPT学习交流,DebondtandThaler(1985)的过度反应检验方法,1.对所有股票j，至少有85个月的月度报酬数据(第1月至第85月)，且自第49月(1930年1月)起，估计后72个月(第49月至第120月)的超额报酬ujt2.对所有股票j，自1932年12月(第84月，投资组合形成月)(t=0)起，计算前36个月(第49月至第84月，投资组合形成期)累积超额报酬在16个投资组合形成月(1932年12月、1953年12月，1977年12月)，CUj依低到高排序。最高的35个股票或50个股票或十等分最高的一组形成最好的(winners)投资组合，记为W，最低的35个股票或50个股票或十等分最低的一组形成最差的(losers)投资组合，记为L。,62,PPT学习交流,3.对所有16个不重叠的3年期(n=1,2,N，N=16)中的两个投资组合W，L，自1933年1月(第85月)起，至1980年12月，计算后36个月(检验期，第85月至120月)投资组合中所有股票的累积平均超额报酬，有CARW,n,t、CARL,n,t4.利用所有16个检验期的CAR，计算两个投资组合W、L从t=1至36月间的每个月的累积平均超额报酬ACARW,t、ACARL,t，为了判断任何月度t，平均超额报酬ARW,t(ARL,t)对ACARW,t(ACARL,t)的影响，可检验平均超额报酬是否为0,过度反应检验方法,63,PPT学习交